Використання інтелектуальних систем в економіці

    Для забезпечення системного аналізу при  створення інтелектуалізованих  ІС, доцільно використовувати наступні сучасні підходи щодо збирання та нагромадження корисних даних і  перетворення їх на знання: дейтамайнінг, нейронні мережі, генетичні алгоритми  та програмні агенти.

    Дейтамайнінг, або процес фільтрування великих  обсягів даних для того, щоб  підбирати відповідну для контексту  задачі інформацію, являє собою велику цінність для керівників і аналітиків у їх повсякденній діяльності. Сучасними  інструментальними засобами дейтамайнінгу  сьогодні є програмні продукти PolyAnalist, MineSet, KnowledgeSTUDIO.

    У великих організаціях також доцільно використовувати нейронні мережі  –  програмно  реалізовані системи, в основу яких покладені математичні  моделі процесу передавання і  оброблення імпульсів мозку людини, що імітують механізми взаємодії  нейронів з метою опрацювання  інформації,  що  надходить,  і  навчання досвіду. Найбільш популярним програмним пакетом, який реалізовує нейромережевий підхід є NeuroShelL.

    Генетичні алгоритми, які можна вважати  одним із видів дейтамайнінгу, представлені такими популярними пакетами, як Evolver, GeneHunter, Genetic Training Option, які сприяють розширенню галузей застосування інтелектуальних  систем і для ефективного застосування потребують від користувачів тільки початкової формалізації задачі й формування множини початкових даних.

    Технологія  програмних агентів базується на використанні автономних програм, які  автоматично виконують конкретні  завдання з моніторингу IС і збору  інформації в мережах, діють від  імені користувача для забезпечення бажаних результатів. Сучасні програмні  агенти,  або  інтелектуальні  агенти,  не  лише проводять спостереження  і виконують різні вимірювання, але й розв’язують завдання щодо управління мережами. Зокрема, інтелектуальні агенти здатні автоматизовувати численні операції керування мережами, наприклад, вибір оптимального трафіка, контроль за завантаженням, поновлення даних за спотворень у процесі обміну тощо. Крім того, інтелектуальні агенти можуть застосовуватися в наукомістких галузях для передавання повідомлень, вибирання інформації, автоматизації процесів постачання.

    Існує багато типів програмних агентів, які  розроблені із застосуванням результатів  досліджень у нейронних мережах, нечіткої логіки, інтерпретації текстів природною мовою, колаборативної фільтрації.

    Найвідомішим  представником цього виду програмних продуктів є Agent  Ware  від  фірми-розробника Autonomy.

    Зважаючи  на викладене вище, основними вимогами до інтелектуальних систем підтримки управління діяльністю організації є наступні: повнофункціональність, можливість швидкого і безпеченого обміну інформацією, автономність, моніторинг, активація (можливість працювати в автономному режимі, здійснюючи вплив на робоче середовище СППР), „розумність” (можливість інтерпретувати події, щоб ухвалювати належні рішення), безперервність роботи, адаптивність, мобільність. 

    Системами підтримки прийняття рішень, які можуть використовуватись для побудови інтелектуальних систем у фінансових організаціях, вважаємо наступні:

      FedEx – СППР, яка містить централізоване  інтегроване відкрите сховище даних та забезпечує доступ, оснований на Web-технології, у режимі реального часу, і дає змогу аналізувати повідомлення з глобальної бази 700 кінцевих користувачів щодо фінансової і логістичної інформації, необхідної для планування та прийняття рішень;

    Visual  IFPS/Plus  – інтерактивна система планування фінансів, яка містить мову моделювання і структуру команд, які дають змогу описувати проблеми звичною для людини мовою й діставати розв’язки у табличному вигляді;

    Expert Choise  – СППР,  яка базується на  аналітичному  ієрархічному підході  для підтримки прийняття рішень і допомагає користувачам організувати пов’язану з проблемою комплексну інформацію в ієрархічну модель, яка складається з мети, можливих сценаріїв, критеріїв і альтернатив;

    Analytica – СППР, орієнтована на моделі, яку доцільно використовувати для створення й дослідження моделей у різних галузях, включаючи: бізнес і фінанси, аеропростір, консалтинг, електронну комерцію, енергетику, розроблення нових видів продукції, науково-технічні  дослідження,  телекомунікації  та  інших галузях наукомісткого виробництва, де необхідно забезпечити можливість ефективного розв’язання наступних проблем: оцінювання проектів, фінансового моделювання, підтримки й аналізу рішень, управління й послаблення ризику, прогнозування, аналізу ринку, ймовірнісної імітації та інших; 

    PLEXSYS  – інтегрована комп’ютерна система для планування, моделювання та прийняття управлінських рішень, яка може використовуватись в індивідуальному чи груповому режимах для виконання таких функцій: пошуку даних у внутрішніх та зовнішніх джерелах інформації; аналізу цих даних на основі застосування широкого діапазону кількісних і якісних моделей; генерування критеріїв, результатів і передумов, на яких ґрунтуються результати; зв’язування передумов з рішеннями й запам’ятовування цих конструкцій на майбутнє; та інші системи підтримки прийняття рішень. 

     Розроблений в інституті кібернетики ім. В. М. Глушкова Національної академії наук України інтелектуальний пакет  Ргеdісtоr дозволяє будь-якій організації  швидко покращити процес прийняття  рішень при плануванні продажів, у ціноутворенні, плануванні виробництва, фінансовому плануванні.Ргеdісtог функціонує в середовищі МS Ехсеl, а його користувацький інтерфейс уніфікований з МS Оffісе. Ргеdісtог — ефективний, практичний, простий в освоєнні й експлуатації інструмент експрес-прогнозування і складного аналізу часових рядів. Після інсталяції він автоматично інтегрується в середовище МS Ехсеl і забезпечує роботу в чотирьох режимах:

     • для експрес-прогнозування: Ваtch автоматично будує чотири кращі прогнози;

     • для новачків: Wizard забезпечує зрозуміле покрокове прогнозування з автоматичним встановленням оптимальних параметрів;

     • для досвідчених користувачів: Ехрегt полегшує одержання якісних прогнозів з покроковим ручним настроюванням необхідних параметрів;

     • для професіоналів: Function дозволяє вставити функцію методу прогнозування прямо в Ехсеl-таблицю.

     Режим Ехрегt дозволяє самостійно підібрати метод прогнозування, здійснюючи настроювання і управління прогнозуванням командними кнопками. Дані вибираються з робочої ЕхсеІ-таблиці кнопкою Select_Data, встановлюються прогнозний обрій і сезонність. Далі вибирається метод прогнозування: ручний зі списку або за рекомендацією, отриманою в режимі Аutо, з уточненням деяких характеристик вхідної послідовності.

     Якість  моделі можна оцінити візуально (за накладенням графіка прогнозу на вихідний ряд) і за іншими статистичними  оцінками (на вибір користувача-професіонала). Пакет дає 16 оцінок, що викликаються кнопкою Show_statistics

    Отже, питання розроблення та впровадження інтелектуальних систем підтримки управління в практику діяльності сучасних організацій, зокрема вітчизняних, є актуальним і потребує на подальший розвиток.    

Література

• Писаревська Т. А. Інформаційні системи і технології в управлінні трудовими ресурсами: Навч. посібник. — 2-ге вид., перероб. і доп. — К.: КНЕУ, 2000. — 279 с
• Гаврилова Т. А., Хорошевский В. Ф. Базы знаний интеллектуальных систем. — СПб.: Питер, 2000.
• Башмаков А. И., Башмаков И. А. Интеллектуальные информационные технологии: Учеб. пособие. — М.: Изд-во МГТУ им. Н. Э. Баумана, 2005. — 304 с